人工智能暨其在工业领域应用

AI基础知识 | AI定义 定义AI及其在现代科技中的作用。 AI的经济意义 AI技术的关键里程碑和发展历史。 AI的分类 狭义AI、通用AI和超级AI 狭义AI(Narrow AI, Weak AI)的定义、特点、局限性和依赖性 狭义AI发展现状: AGI（通用AI)，ASI（超级AI）的定义、特点、通用性、自主性和创造性 通用AI发展现状。 超级AI(Super AI)的定义和发展现状。 AI，机器学习和深度学习简介和关系 生成式人工智能概览 AGI的概念及其展望 | 0.5小时 经典AI技术原理和应用案例 | 对人工智能的基础原理和方法认知不足，严重制约未来的业务场景发现的想象力.本节主要结合着实际问题来讲理论，这个对经典人工智能的深刻认知，也是人工智能应用的基础 机器学习介绍： 机器学习的定义与历史 机器学习与人工智能、深度学习的关系 机器学习的应用案例 数据预处理： 数据收集与清洗 特征工程 数据集划分 监督学习算法： 线性回归、逻辑回归 决策树、随机森林、支持向量机 神经网络基础 无监督学习算法： 聚类分析 主成分分析（PCA） 关联规则学习 模型评估与选择： 交叉验证 模型性能指标 超参数调优 深度学习入门： 深度神经网络 卷积神经网络（CNN） 循环神经网络（RNN） 特殊主题与前沿技术： 强化学习 生成对抗网络（GAN） 机器学习在大数据中的应用 开源库实战：Sklearn使用Scikit-learn (Sklearn): 这是一个Python编程语言的开源机器学习库，它支持各种机器学习算法的实现，包括分类、回归、聚类和降维。Scikit-learn以其清晰的API、丰富的文档和易于理解的结构而受到广泛的欢迎Scikit-learn (Sklearn)监督学习和无监督学习实战 数据分析和数据建模： 数据分析基础： 数据分析概述 数据类型和数据收集 数据清洗和预处理 探索性数据分析（EDA） 基本统计分析 数据建模 回归分析（线性回归、多项式回归） 分类算法（决策树、随机森林、逻辑回归） 聚类分析（K-means、层次聚类） 主成分分析（PCA） 时间序列分析和预测 数据分析工具 Python编程基础 使用Python进行数据分析（Pandas、NumPy、Matplotlib） | 2H 生成式AI算法概览和基本原理 | 人类语言模型和CHATGPT类技术发展历程 人类语言模型 Transformer和注意力机制 预训练模型，Award模型 BERT GPT-1，GPT-2，GPT-3，ChatGPT,GPT4，GPT4o发展历程 人类认知，真相，模型的结论的差异 用户多轮互动数据（提示学习），互动学习，高质量输出的原理，提示词管理 diffusion 模型原理和图片生成 | 0.5小时 AI在制造业的应用场景和案例 | AI在制造域的应用和案例 生产计划和排程和实战案例 设备预测性维修和实战成功案例 质量检测和改进成功案例 环境安全管理 人工智能赋能生产工艺优化 赢在生成式人工智能时代的供应链管理 生成式人工智能对供应链管理的影响 生成式AI时代的设计和工程，快速/灵活创建基于客户需求和企业工程能力的产品和工程设计 基于AI的供应链预测和计划管理S&OP/MPS/APS 基于AIGC快速敏捷高质量寻源 基于AIGC提升履约的客户体验 基于多模态自主化的AIGC的能力提升客户服务的及时性，沟通的质量，进而提升客户服务体验 AI在研发设计域的应用和影响 AI驱动技术创新范式 AI在合成生物学的应用现状和成功案例 新配方开发和成功案例 加工工艺优化 包装设计优化 AI在营销域的应用和案例 精准营销个性化推荐和成功案例 智能广告投放和成功案例 AI精准销售预测驱动的精准运营和成功案例 生成式AI重新定义客户链接 | 3H 企业如何开启AIGC时代的新征程 | 做好技术能力和人员能力的准备 做好数据准备 负责任的使用 聚焦于人员和流程 激活生态系统 适应AIGC时代的工作岗位的变迁 | 0.5小时